本文主要利用核方法并借助支持向量机来解决手写数字的识别问题，研究的内容有以下几点：

1.设计GUI界面，主要包括手写板的设计、预处理的效果展示、数字特征展示、训练样本以及最后的识别结果展示。

2.预处理图像，运用数字模板特征抽取图像的特征值。

3.借助 SVM 算法对抽取的特征进行训练，得到不同类别的 SVM 分类器。

4.识别手写数字。将手写板上的数字经过一系列处理后，利用已经训练得到的 SVM 分类器判断该数字所属的类别从而识别出该数字。

本文主要介绍基于核方法的手写数字识别研究，第一章主要介绍了核方法，包括了核技巧、核函数的特点以及核函数的种类等，也介绍了支持向量机相关的内容，第二章叙述了图像预处理以及图像的特征提取，其中包括了图像的灰度化、二值化以及归一化， 第三章讲述对手写数字进行识别，借助于 SVM 算法对特征值进行训练学习从而生成分类器，最终完成对于手写数字的识别。

本文共分成六个章节，安排如下：

第一章：绪论。该章节讲述了手写体数字识别的研究背景，并阐述了其中的问题以及遇到的困难，介绍了核方法和支持向量机相关的知识内容，并简要阐述了基于核方法手写数字识别的过程，同时给了本文的内容安排。

第二章：图像预处理和特征提取。本章节说明了手写数字图像预处理以及特征提取，详细阐述了对图像进行灰度化、二值化处理、边缘化处理、归一化处理，图像特征提取的方法。

第三章：基于核方法的手写数字识别系统的实现。通过第二章的处理，本章主要通过 SVM 对手写数字图像进行训练，手写数字经过一系列处理之后，将特征值录入到识别器里，从而完成对手写数字的识别功能。

第四章：总结。本章对全文进行总结，然后对今后的工作进行展望，最后是对给予过我帮助的人的感谢和本文所参照的书籍。

本文介绍了基于核方法的手写数字识别，借助于支持向量机完成训练和识别功能，主要的研究成果如下：

（1）对手写的数字进行预处理，接着对预处理后的图像提取特征，采用数字模板特征方法，介绍了数字模板特征的处理过程以及它所存在的不足。

（2）借助核函数和支持向量机对样本特征进行训练学习，训练完成后，通过一对一投票算法完成手写数字的识别。